基于改进Cascade R-CNN和图像增强的夜晚鱼类检测

针对光照不均、噪声大、拍摄质量不高的夜晚水下环境,为实现夜晚水下图像中鱼类目标的快速检测,利用计算机视觉技术,提出了一种基于改进Cascade R-CNN算法和具有色彩保护的MSRCP（Multi-scale Retinex with color restoration）图像增强算法的夜晚水下鱼类目标检测方法。首先针对夜晚水下环境的视频数据,根据时间间隔,截取出相应的夜晚水下鱼类图像,对截取的原始图像进行MSRCP图像增强。然后采用DetNASNet主干网络进行网络训练和水下鱼类特征信息的提取,将提取出的特征信息输入到Cascade R-CNN模型中,并使用Soft-NMS候选框优化算法对其中的RPN网络进行优化,最后对夜晚水下鱼类目标进行检测。实验结果表明,该方法解决了夜晚水下环境中的图像降质、鱼类目标重叠检测问题,实现了对夜晚水下鱼类目标的快速检测,对夜晚水下鱼类图像目标检测的查准率达到95.81%,比Cascade R-CNN方法提高了11.57个百分点。     

基于对比度受限直方图均衡化的水下海参图像增强方法

针对水下图像受到水下复杂光照的影响导致图像对比度差的现象,采用对比度受限自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对水下海参图像进行增强处理,算法首先将原始图像分割成若干个子区域并且大小相同,再选取特定值对每个子区域的直方图进行截取,并将截取下的像素均匀分配到每个灰度级,最终得到限定对比度直方图。并通过研究算法中的相关参数,得到适用于水下海参图像增强的参数值,取得了更好的增强效果。通过评价函数均方差(mean squared error,MSE),峰值信噪比(peak signal to noise rate,PSNR)和信息熵(information entropy)对比CLAHE方法和其他一些方法,结果显示CLAHE算法在水下海参图像提高质量和保持图像细节方面表现出更好的性能,为以后水下机器人的识别定位提供了方便。     

基于小波变换算法的图像处理技术研究

为了提高农作物叶部病害识别的可靠性,本文提出基于小波变换算法的农作物叶部病害图像处理技术.在图像分解的基础上,应用二维离散小波变换,论述了二维小波变换在农作物叶部图像去噪和图像增强中的应用.仿真实验结果表明此方案能够有效改善图像质量,提高对象识别的可靠性.     

IHS变换与低通滤波相结合的遥感图像增强模型

利用遥感图像分类提取作物面积时,由于作物长势的差异,同种作物往往表现出不尽相同的图像光谱特征,在大片连续或近似连续图斑中出现光谱突变,类似于图像噪声。这种微小的差异使得图像分类时同种作物容易被误判为其他地物,增大了分类后处理的难度,降低了分类精度。作者研究的SMM模型首先对原始多光谱图像做IHS变换,将原始图像分离成I(亮度)、H(色度)和S(饱和度),然后对色度H和饱和度S进行卷积滤波运算,得到H′和S′,再将I、H′和S′做IHS逆变换,得到新图像。SMM模型旨在通过图像平滑解决目前图像非监督分类方法上存在的不足,但又在图像平滑的同时保留了原始图像的空间分辨率。通过分类试验验证,使用SMM模型进行图像增强,可以提高图像分类的精度。     

基于小波变换的指纹图像增强算法

小波变换在对图像进行增强处理的过程中也对图像中存在的噪声做了同样的处理,在增强图像边缘细节的同时没有很好的进行图像消噪。针对这些不足,对传统的小波变换算法进行了改进。基于Mallat算法对小波分解和重构,在分解后保持低频信息的不变性,并利用小波系数的变换使图像信息得到增强,同时具有一定的图像消噪效果,该方法与传统的小波变换算法相比在图像增强处理中具有更好的效果。     

基于离散小波变换的农业图像处理研究

介绍了离散小波变换的定义,从农业工程角度出发,利用二维离散小波变换对农业图像在消噪、增强、压缩和边缘检测方面进行了一些分析和处理,并对离散小波变换图像处理在农业工程的应用前景做了展望.     

关于我国电子政务与数字城市建设的思考

遥感图像受各种因素的干扰而影响解译精度.根据人类视觉和认知心理学的特点,在遥感解译过程中需要对遥感图像进行增强处理.本文结合机器视觉、图像处理领域在图像增强方面已经提出的一些方法,采用方向加权二维多级中值滤波方法进行图像处理.该方法突出了视觉处理目的,减少了运算量,达到了令人满意的增强效果,在原始图像比较复杂的情况下,可以改善、提高后期图像处理过程,如图像分析(解译)的正确性和有效性,为遥感图像解译提供良好的增强图像.同时该方法还可以很好地抑制图像噪声,突出边缘信息,达到了增强图像的目的.     

基于自适应校正和非锐化掩模的木材单板节子图像增强算法研究

为提高单板节子图像的对比度、细节清晰度和颜色保真性,综合考虑单板活节和死节图像的特征,提出一种将自适应校正和非锐化掩模相结合的单板节子图像增强算法。在可分离颜色信息的HSV空间提取亮度分量、饱和度分量,分别进行加权分布的自适应Gamma校正和自适应非线性拉伸处理,用于改善单板节子图像对比度和保持色彩自然,最后利用非锐化掩模技术增强节子细节区域。试验结果表明,该算法能够有效地改善单板节子图像的对比度和细节清晰度,图像颜色更为自然;突出节子缺陷部位,保留了较多节子细节信息;在均方差、峰值信噪比和结构相似性指数上,比AGC-Quantile和直方图均衡化算法均有提升。     

改进的CLAHE无芒隐子草叶切片图像增强

无芒隐子草叶切片图像在获取过程中不可避免产生低对比度图像,对后续处理产生影响.为此,针对传统的限制对比度自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对较暗图像处理效果不佳的问题,提出了基于自适应亮度调整的CLAHE图像增强算法.该...